Mondal, P., Shields, A., Bhurwani, M. M. S., Williams, K. A., & Ionita, C. N. (日付なし). 頭蓋内動脈瘤における血管造影パラメトリックイメージングにおける曲線フィッティングのin-silico解析:患者および術者誘発エラーの削減。
本研究では、仮想血管造影を用いて、頭蓋内動脈瘤(IA)の血管造影パラメトリックイメージング(API)におけるガンマ変量フィッティングの影響を調査することを目的とした。
患者固有の3Dジオメトリにおける数値流体力学(CFD)を用いて、様々な流入速度(0.25m/s、0.35m/s、0.45m/s)および注入時間(0.5秒~2.0秒)で高精細仮想血管造影を生成した。これらの血管造影から、動脈瘤とその対応する流入口のTDCを構築した。臨床上の課題を模倣するため、ノイズの導入、患者モーションのシミュレーション、時間的に不完全なデータセットの生成を行った。これらの変更を加えたTDCにガンマ変量フィッティングを適用した。元のTDCとフィッティング後のTDCの両方を、相互相関(Cor)、ピーク時間(TTP)、平均通過時間(MTT)、ピーク高(PH)、曲線下面積(AUC)、最大勾配(Max-Gr)などの標準的な血管造影指標を用いて定量化し、包括的な比較を行った。
ガンマ変量フィッティングによって強化されたTDCは、血管の流体力学と強い相関を示した。本研究の結果は、ガンマ変量フィッティングが断片的なシーケンスからTDCを適切に復元し、導き出されるAPIパラメータの精度を高めることができることを示している。
TDC解析にガンマ変量フィッティングを組み込むことで、APIパラメータの精度と堅牢性が高まり、神経血管診断処置の信頼性が高まる。
本研究は、APIにおけるガンマ変量フィッティングの利点を強調し、IA治療の意思決定プロセスを改善する可能性のある、より正確で信頼性の高い血管造影データ解析のための道を開くものである。
本研究は仮想血管造影に基づいており、将来の研究では、これらの知見を検証し、臨床現場におけるガンマ変量フィッティングの有効性を評価するために、実際の患者データを使用する必要がある。
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問